آمار

تعداد نشریات39
تعداد شماره‌ها1,175
تعداد مقالات8,455
تعداد مشاهده مقاله6,344,144
تعداد دریافت فایل اصل مقاله3,595,487
رفیعی, مهناز, رضا, اکرم. (1400). تخصیص پیوسته و مهاجرت تلفیقی پردازنده ها جهت بهبود کارایی در نگاشت برخط شبکه روی تراشه دو بعدی. پدافند الکترونیکی و سایبری, 1(4), 71-86.
مهناز رفیعی; اکرم رضا. "تخصیص پیوسته و مهاجرت تلفیقی پردازنده ها جهت بهبود کارایی در نگاشت برخط شبکه روی تراشه دو بعدی". پدافند الکترونیکی و سایبری, 1, 4, 1400, 71-86.
رفیعی, مهناز, رضا, اکرم. (1400). 'تخصیص پیوسته و مهاجرت تلفیقی پردازنده ها جهت بهبود کارایی در نگاشت برخط شبکه روی تراشه دو بعدی', پدافند الکترونیکی و سایبری, 1(4), pp. 71-86.
رفیعی, مهناز, رضا, اکرم. تخصیص پیوسته و مهاجرت تلفیقی پردازنده ها جهت بهبود کارایی در نگاشت برخط شبکه روی تراشه دو بعدی. پدافند الکترونیکی و سایبری, 1400; 1(4): 71-86.

تخصیص پیوسته و مهاجرت تلفیقی پردازنده ها جهت بهبود کارایی در نگاشت برخط شبکه روی تراشه دو بعدی

مجله نوآوری های فناوری اطلاعات و ارتباطات کاربردی
مقاله 6، دوره 1، شماره 4، اسفند 1400، صفحه 71-86    اصل مقاله (1.61 M)
نوع مقاله: مقاله پژوهشی
نویسندگان
مهناز رفیعی* 1؛ اکرم رضا2
1گروه کامپیوتر، واحد رامهرمز، دانشگاه آزاد اسلامی، رامهرمز، ایران
2گروه کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
تاریخ دریافت: 22 مرداد 1400،  تاریخ بازنگری: 14 شهریور 1400،  تاریخ پذیرش: 17 آبان 1400 
چکیده
شبکه‌‌روی‌تراشه‌ها به عنوان راه‌حلی جهت بهبود ارتباط بین اجزا شبکه به کار می‌روند. از آن‌جایی‌که یکی از ابعاد طراحی در این شبکه‌‌ها مفهوم نگاشت می‌باشد، لذا در این مقاله مفاهیم و پارامترهای مختلف در نگاشت برخط برای کارهای متعدد در شبکه‌روی‌تراشه مورد بررسی قرار گرفته است. در این راستا سه گام ضروری در نگاشت‌برخط جهت کارهای مختلف در شبکه‌روی‌تراشه در نظر گرفته شده است که شامل یافتن اندازه مناسب زیرتوری برای کار ورودی، یافتن جایگاه مناسب زیرتوری در توری جهت تخصیص برخط کار و یافتن محل اصلی در توری است. در ضمن، مدل‌های موثر قبلی جهت انتخاب ابعاد زیرتوری، MD، MT&MPN، روش‌های تخصیص پردازنده قبلی، TRB، TCB و روش‌های مهاجرت پردازنده پیشین مبتنی بر دو مرز ستونی، دو مرز سطری، فشرده سازی چپ-راست محدودشده و فشرده سازی بالا-پایین محدود شده برای توپولوژی توری در نظر گرفته شده است و با مهاجرت‌های تلفیقی پیشنهادی مقایسه شده است. الگوریتم‌های مزبور استفاده شده اند تا پیوستگی افزایش یابد و تأخیر در سیستم‌های چندپردازنده‌ای کاهش یابد. از آنجایی‌که هدف اصلی در توسعه روش‌های پیشنهادی دستیابی به بیشینه کارایی است، لذا در این روال، تأثیر پارامترهای کارایی مختلف در مقابل مکانیزم‌های قبلی مقایسه شده است. در این مقاله، شش الگوریتم که کارایی بهتری را کسب نموده اند با 45 مورد دیگر مقایسه شده است. استفاده از روش‌های مهاجرت تلفیقی ما را قادر می‌سازد تا تعداد مهاجرت‌های پردازنده را محدود نماییم. افزون بر این، طرح MT&MPN/TCB/HCM نتایج بهتری را در مقایسه با سایر الگوریتم‌ها با درنظر گرفتن متوسط زمان اجرای کار با 38.02%، متوسط زمان پاسخ کار با 99.54% و متوسط بهره‌وری سیستم با 48.02َ% کسب نموده است. نتایج شبیه‌سازی‌ها نشان می‌دهد که روش MPN/TRB/HBM بالاترین نتایج را در متوسط مصرف توان و متوسط زمان اجرای کار به ترتیب با 6.68% و 38.21% دارد.
کلیدواژه‌ها
تخصیص؛ تکه تکه شدن؛ چند پردازنده ای ها؛ زیرتوری؛ شبکه روی تراشه؛ مهاجرت؛ نگاشت
سایر فایل های مرتبط با مقاله
مراجع
  1. A. Gangwar, Z. Xu, NK. Agarwal, R. Sreedharan, and A. Prasad, “Traffic Driven Automated Synthesis of Network-on-Chip from Physically Aware Behavioral Specification”, IEEE Computer Society Annual Symposium on VLSI (ISVLSI), pp. 122–127, 2019.
  2. W. Liao, H. Deng, Y. Luo, S. Xiao, C. Li, Z. Yu, “An Efficient and Low-Overhead Chip-to-Chip Interconnect Protocol Design for NOC”, IEEE International Conference on Integrated Circuits, Technologies and Applications (ICTA), pp. 77–78, 2019.
  3. WT. Shen, CH. Chao, YK. Lien, and AY. Wu, “A New Binomial Mapping and Optimization Algorithm for Reduced-Complexity Mesh-Based On-Chip Network”, in Proceedings of the First International Symposium on Networks-on-Chip (NOC '7), pp. 317-322, 2007.
  4. J. Janidarmian, A. Khademzadeh, and M. Tavnapour, “Onyx: A new heuristic bandwidth-constrained mapping of cores onto tile based Network on Chip”, IEICE Electronics Express, Vol. 6, No. 1, pp. 1-7, 2009.
  5. K. Windisch, V. Lo, and B. Bose, “Contiguous and non-contiguous processor allocation algorithms for k-ary n-cubes”, Technical Report, University of Oregon, Oregon, USA, 1995.
  6. S. Bani-Mohammad, and I. Ababneh, “Improving system performance in non-contiguous processor allocation for mesh interconnection networks”, Simulation Modelling Practice and Theory, Vol. 80, pp. 19-31, 2018.
  7. S. Bani-Mohammad, “Efficient Processor Allocation Strategies for Mesh-Connected Multicomputers”, PhD Thesis, The Faculty of Information and Mathematical Sciences University of Glasgow, Glasgow, U.K, 2008.
  8. S. Bani-Mohammad, M. Ould-Khaoua, I. Ababneh, and L. Mackenzie, “Comparative evaluation of contiguous allocation strategies on 3D mesh multicomputers”, Journal of Systems and Software, Vol. 82, No. 2, pp. 307-318, 2009.
  9. KJ. Windisch, W. Liu, and B. Nitzberg, “Non-contiguous processor allocation algorithms for mesh-connected multicomputers”, IEEE Transactions on Parallel and Distributed Systems, Vol. 8, No. 7, pp. 712-726, 1997.
  10. LK. Goh, and B. Veeravalli, “Design and performance evaluation of combined first-fit task allocation and migration strategies in mesh multicomputer systems”, Journal of Parallel Computing, Vol. 34, No. 9, pp. 508–520, 2008.
  11. A. Reza, and M. Rafie, “Improving Multi Task Running Time in Two Column Boundary Allocation Method in Mesh-based Chip Multiprocessors Using Combined Migration Mechanisms”, International Journal of Computer & Information Technologies (IJOCIT), Vol. 3, No. 3, pp. 743-755, 2015.
  12. A. Reza, and M. Rafie, “Performance improvement in multiprocessors using two row boundary allocation method and online dynamic compaction algorithm”, International journal of computer applications (IJCA), Vol. 123, No. 1, pp. 14-20, 2015.
  13. M. Rafie, A. Khademzadeh, A. Reza, and M. Reshadi, “External Fragmentation Aware Dynamic Multi Task Mapping on Mesh Interconnection”, Journal of Computational and Theoretical Nanoscience, Vol. 13, No. 1, pp. 958-963, 2016.
  14. M. Rafie, A. Khademzadeh, A. Reza, and M. Reshadi, “Performance evaluation of task migration in contiguous allocation for mesh interconnection topology”, Journal of Supercomputing, Vol. 72, No. 4, pp. 1660-1677, 2016.
  15. DD. Sharma, and DK. Pradhan, “A fast and efficient strategy for submesh allocation in mesh-connected parallel computers”, Fifth IEEE Symposium on Parallel and Distributed Processing, pp. 682–689, 1993.
  16. G. Chmaj, D. Zydek, and L. Koszalka, “Allocation Algorithms Problems in Mesh-Connected Systems”, 2004.
  17. S. Khan, S. Anjum, U. A. Gulzari, M. K. Afzal, T. Umer, and F. Ishmanov, “An Efficient Algorithm for Mapping Real Time Embedded Applications on NoC Architecture”, IEEE Access, Vol. 6, pp. 16324–16335, 2018.
  18. F. Ge, C. Cui, F. Zhou, and N. Wu, “A Multi-Phase Based Multi-Application Mapping Approach for Many-Core Networks-on-Chip”, Micromachines, Vol. 12, No. 6, 2021.
  19. R. Khasanov, and J. Castrillon, “Energy-efficient Runtime Resource Management for Adaptable Multi-application Mapping”, In Proceedings of the Design, Automation Test in Europe Conference Exhibition (DATE), Grenoble, France, 9–13, pp. 909–914, March 2020.
  20. W. Amin, F. Hussain, S. Anjum, S. Khan, N. K. Baloch, Z. Nain, and S. W. Kim, “Performance evaluation of application mapping approaches for network-on-chip designs”, IEEE Access, Vol. 8, pp. 63607–63631, 2020.
  21. L. Zhang, S. Li, L. Qu, Z. Kang, S. Wang, J. Chen, and L. Wang, “MAMAP: Congestion Relieved Memetic Algorithm based Mapping Method for Mapping Large-Scale SNNs onto NoC-based Neuromorphic Hardware”, In Proceedings of the 2020 IEEE 22nd International Conference on High Performance Computing and Communications; IEEE 18th International Conference on Smart City; IEEE 6th International Conference on Data Science and Systems (HPCC/SmartCity/DSS), pp. 640–647, 2020.
  22. L. Mei, P. Houshmand, V. Jain, S. Giraldo, M. Verhelst, “ZigZag: Enlarging Joint Architecture-Mapping Design Space Exploration for DNN Accelerators”, IEEE Transactions on Computers, Vol. 70, No. 8, pp. 1160–1174, 2021.
  23. J. Fang, H. Zong, H. Zhao, and H. Cai, “Intelligent mapping method for power consumption and delay optimization based on heterogeneous NoC platform”, Electronics, Vol. 8, No. 8, 912, 2019.
  24. S. Bani-Ahmad, “On Improved Processor Allocation in 2D Mesh-based Multicomputers: Controlled Splitting of Parallel Requests”, International Conference on Communication, Computing and Security (ICCCS'11), pp. 204-209, 2011.
  25. R. Zolfaghari, “Efficient and Quick Algorithm for Processor Allocation in Mesh Multi-Computers Network”, International Journal of Engineering and Advanced Technology (IJEAT), Vol. 2, No. 5, pp. 517-523, 2013.
  26. N. Kumar, and DP. Vidyarthi, “A novel energy-efficient scheduling model for multi-core systems”, Cluster Computing, 2020, https://doi. org/10.1007/s10586-020-03143-w.
  27. AB. Kahng, L. Bin, P. Li-Shiuan, and K. Samadi, “ORION 2.0: a fast and accurate NoC power and area model for early-stage design space exploration”, Design, automation & test in Europe conference & exhibition, DATE’09, pp 423–428, 2009, http://hdl.handle.net/1721.1/60547.
 
  1. A. Ghorbani, and H. Khodadadi, “Optimum design of WDM networks by EDFA optical amplifiers with the approach of improving communication distance and data transmission rate”, Journal of Applied Information and Communication Technology Innovations, Vol. 1, No. 1, pp. 67-73, 2021 (in Persian).

 

آمار
تعداد مشاهده مقاله: 81
تعداد دریافت فایل اصل مقاله: 19